基于径向基函数网络地混沌吸引子寻找方法.pdfVIP

第12卷专辑 中国管理科学 Issue V01．12，Special Chinese of Science 2004年10月 JournalManagement October． 2004 文章编号：1003—207(2004jzk一0060—03 基于径向基函数网络的混沌吸引子寻找方法 向小东 (福州大学管理学院，福建福州 350002) 擒篓：由于现有的混沌吸引子识别方法对噪声敏感，研究带噪声的时间序列的混沌识别方法就显得特别重要。 本文给出了一种新的基于径向基函数网络的混沌吸引子寻找方法。实例表明此方法对即使少量的、噪声较大的时 间序列也有较好的效果，是一种很实用的方法，有着广阔的应用前景。 关键词：混沌经济学；径向基函数阿络；混沌吸引子；噪声 中图分类号：C931 文献标识码：A 以及容错能力，可以利用它的这些特性来抽取含噪 1 引言 声的时间序列中所隐藏的规律。在实际中，BP神经 在相空问重构的基础上计算时间序列的关联维 网络的应用较为普遍，但BP网络存在局部极小值 和最大Lyapunov指数是识别时间序列是否来自混和收敛速度慢等缺点，所以考虑BP网络的改进网 沌吸引子的通常方法w。用此方法识别不规则的 络——径向基函数网络。’ 经济时间序列数据是否来自某一混沌吸引子曾一度 常用的径向基函数网络是具有单隐层的前馈网 成为国内外混沌经济学研究的热点问题”“1。由于 络，输出节点对隐节点给出的基函数进行线性组合， 现实经济数据含有大量的噪声以及所用方法比较混 隐层中的基函数对输入激励产生一个局部化的响 乱，使得人们对几乎所有被诊断过的经济数据中是 应，即仅当输入落在输入空问的一个很小的指定区 否存在混沌以及混沌的强度存在很大的争议”’“。 域时，隐单元才做出有意义的非零响应“…。 因为上述方法要求大量的、无噪声的数据，而现实经 济数据含有噪声是众所周知的。鉴于此．国外的一 些研究人员就把注意力转向混沌时间序列噪声的去 函数，此函数每次生成一个径向基函数网络的神经 除理论及方法的研究。在这方面，Broomhead、 元，如此反复，不断增加神经元个数，直至达到误差 Huke”。等在～定的假定条件下讨论了信号估计反指标或者达到最大的训练步数。其语法为： 馈技术；Cellueci、Albano”。等基于虚假最近邻域概 dp2[disp—freqi／lax—neuronell-一goalspread] 念提出了一种噪声的识别与去除方法；Tanaka、Oka— moto”o等基于最近邻域模型给出了噪声幅度的估 计方法。本文则给出了一种新的基于径向基函数网 出层的权值及阈值，／it表示隐层神经元个数，dr表 络的混沌吸引子寻找方法。 示设计误差，x和f分别为输入样本向量、输出目标 2基于径向基函数网络的混沌吸引子寻找 方法 神经网络本质上是大规模并行处理的自适应非 宽度。仿真(预测)时用simurb函数，其语法为： 线性系统，具有很强的自学习能力，良好的泛化能力 如果含有噪声的时间序列为N个，取网络输入 收